神经网络与模糊术应用于氢氮比调节.doc

神经网络模糊控制技术 在氢氮比控制中的应用 马维明 河北科技大学(石家庄) 050021 摘要：本文介绍了神经网络和模糊逻辑控制技术的特点以及各自的长处，采取二者结合的理论，应用于无法取得深刻构造不能建立精确数学模型的控制对象 ―― 合成氨氢氮比的控制，详细分析了氢氮比控制对象的工艺特点，讲述了神经网络与模糊技术相结合的控制方案的设计以及软件设计要点，并在应用中收到良好效果。 关键词：神经网络，模糊逻辑控制技术，氢氮比控制，信息并行处理。 1. 神经网络与模糊控制技术的特点 由于神经网络和模糊技术各有特点，各有长处，采取二者结合的方案，对无法取得深刻的构造不能建立精确数学模型的控制对象，可取得良好的效果。 神经网络最重要的长处：第一能够生成无需明确表现知识的规则；第二是具有自学习能力；神经网络可以在动态调节和动态平衡中获得经验和知识。并通过自学习、自组织、自适应功能对无法语言化的分散表现的信息进行处理。神经网络主要特征体现在以下几点： 它具有并行处理的能力； 它具有分布式信息存储能力； 它具有很好的自适应性和自组织性； 它具有良好的学习功能，联想功能和容错功能。 实现神经网络功能有两种方法，一种是软件方法，另一种是硬件方法。 一般采用软件方法实现该功能。 模糊技术通常采用Max和Min一类运算，不仅简单而且十分有用，因为在现实中对一定系统建立模型，毕竟要忽略许多因素，模糊逻辑着眼于用语言和概念表述人脑的宏观功能，用逻辑推理去处理各种模糊的信息。模糊技术最重要的长处有两点：第一是可以用模糊性的自然语言表现知识，第二是可以用Max、Min这类简单运算实现知识的模糊推理。 在知识的推理上神经网络不如模糊技术，而在知识的获取方面模糊技术也显得十分薄弱。把神经网络和模糊技术结合起来，能互相弥补其不足，使知识的获取和加工成为较容易实现的事情。二者结合对人工智能的发展也起了巨大作用。 2.合成氨工艺特性分析 合成氨厂氢氮比是生产过程中最重要工艺参数之一, 直接影响生产系统的原料消耗、动力消耗与氨的产量。H2／N2这一参数的控制，被调节参数在全厂最后一个工段合成，而调节参数在全厂第一个工段造气，纯滞后时间长、干扰因素多是这一控制系统的特点，因此控制难度极大，而控制好了，给工厂带来的经济效益也大，氢氮比自动控制对提高化肥生产率有十分重要的意义。 合成塔内氨合成过程的化学反应方程式为: 压力 温度 3Ｈ2＋Ｎ2 2 NH 3＋Q (1) 催化剂 这一反应是在一定的压力温度和催化济的作用下的体积缩小, 放热的可逆反应, 为了在ＮＨ3平衡含量及反应速度之间选择最佳点, 由反应方程式看出, 保持氢和氮的摩尔比为3:1, 有利于提高ＮＨ3的平衡含量, 同时可以防止Ｈ2或Ｎ2的积累, 这种积累是一种非线性的积分过程, 这种积累破坏了系统的化学平衡, 使 ＮＨ3平衡含量降低, 同时造成系统压力升高, 动力消耗增加, 因此将Ｈ2／Ｎ2控制在一定值对提高ＮＨ3合成率、节能降耗有十分重要的意义。 根据合成氨厂的生产工艺, 合成氨氢氮比的控制, 被控参数为合成工段合成塔内Ｈ2与Ｎ2的比例, 控制参数为造气工段造气炉加入的氮空气量, 实质上是以造气炉的制气强度和质量为主, 以造气过程加入的氮空气量为辅的自动配氮系统。对象的显著特点是调节通道长, 被调参数Ｈ2／Ｎ2值要经过造气、脱硫、变换、压缩、碳化、精炼和合成等工段后, 在合成塔入口显示出来, 因此Ｈ2／Ｎ2的调节是一种多变量的复杂调节系统, 参数之间的函数关系还没有定量的数学模型和分析方法, 但从现场的实际操作经验与总结分析看, 这一调节对象有以下三个明显特性。 2.1 纯滞后时间长 根据实际工艺分析与现场的多次试验可知, 当调节参数发生变化,要经过25－35分钟被调参数Ｈ2／Ｎ2才能开始发生变化, 纯滞后时间的长短取决于该厂当时的生产量, 与各厂的工艺情况也有一定的关系。 2.2 干扰因素多 由于该系统包括了化肥厂生产过程的各个工段, 因此各工段的操作对Ｈ2／Ｎ2比都会产生影响, 主要有以下几种干扰因素: 2.2.1.造气炉内的化学反应是一复杂的过程, 造气所用的煤质与造气炉的炉况 (造气炉气化层温度、厚薄与炉内温度的均匀性) 加煤下灰时间的长短都影响造气炉的制气强度和质量, 也就是影响Ｈ2与ＣＯ的含量, 从而影响氢氮比值; 2.2.2 变换工段的变换率, 由变换炉的化学反应方程式: ＣＯ＋Ｈ2Ｏ(汽)＝ＣＯ2＋Ｈ2＋Ｑ (2) 可以看出, 原料气中一个ＣＯ在变换工段反应后生成一个ＣＯ2与一个Ｈ2, 因此变换工段的操